Contexte et coordination : la couche manquante dans l’automatisation d’entreprise

La plupart des entreprises disposent de beaucoup d’automatisation et de peu de transformation. Les projets pilotes ont fonctionné. Les bots fonctionnent. La courbe de productivité s’est tout de même aplatie. C’est l’histoire la plus récurrente en entreprise, et la prochaine vague, l’IA agentique, peut enfin rompre ce schéma, pour les entreprises prêtes à concevoir le contexte sur lequel ces systèmes fonctionnent.

Presque personne ne considère cela comme la stratégie. C’est le cas.

Un grand réseau de prestataires de soins de santé aux États‑Unis a découvert que la véritable contrainte n’était pas la capacité clinique. C’était la planification des rendez‑vous, qui fonctionnait sur des suppositions réactives, sans visibilité sur les patients susceptibles de manquer une visite jusqu’à ce que le créneau soit déjà libre. La création de modèles prédictifs à partir de l’historique des rendez‑vous a permis au réseau d’agir avant que les lacunes n’apparaissent plutôt que de se précipiter après. Les absences de patients ont diminué, le revenu net a augmenté et le temps de triage de la planification a baissé. Le contexte existait déjà dans des années de données de rendez‑vous. Il suffisait simplement de le rassembler et de l’exploiter.

Dans chacune de ces missions, les mêmes trois disciplines – le cœur, le contexte et la coordination – distinguent l’IA agentique qui délivre de celle qui stagne.

Automatiser la partie facile

L’écart le plus profond se situe entre l’automatisation des tâches et l’automatisation des résultats. Les entreprises automatisent les étapes, la correspondance des factures, la saisie de données, la mise à jour du statut, et constatent que le coût demeure dans le travail entre les étapes. Un processus largement automatisé n’est pas largement résolu. Un humain assemble encore les pièces et en possède le résultat, en effectuant le travail de coordination pour lequel aucune automatisation n’a jamais été conçue.

La raison est simple. L’ancienne automatisation suit des règles. Elle ne peut pas gérer le jugement car elle manque de contexte pour résoudre les exceptions et de coordination pour les transmettre. Les bots sont impeccables dans le milieu prévisible et impuissants aux extrémités, et dans le travail réel, les extrémités constituent le cœur du métier. Une réclamation avec un document manquant ou une clause inhabituelle arrête le bot et fait intervenir une personne. Les dirigeants comptent ce qui a été automatisé. Le P&L compte ce qui ne l’a pas été.

Pourquoi la partie difficile résiste‑t‑elle ? Parce que c’est là que le contexte réside. La partie propre s’appuie sur des lignes et colonnes bien ordonnées. La partie difficile se cache dans le PDF de la politique, le fil de courriels, le formulaire numérisé, la transcription d’appel, la clause d’une annexe. McKinsey estime qu’environ 90 % des données d’entreprise sont non structurées. L’automatisation qui ne voit que la tranche structurée est aveugle à la plupart des décisions. La résoudre consiste à offrir à l’automatisation deux choses qu’elle n’a jamais eues : le contexte pour prendre une décision de jugement et la coordination pour l’appliquer à travers les systèmes.

Pourquoi le contexte change tout

L’IA agentique comble cet écart parce qu’elle peut raisonner avec le contexte, ce que les générations précédentes d’automatisation n’ont jamais pu faire. Contrairement à l’automatisation traditionnelle, un agent peut raisonner à travers les systèmes, gérer l’ambiguïté et s’adapter lorsque la réalité rompt le scénario. Il automatise les jonctions entre les processus ainsi que les processus eux‑mêmes.

Cela fait du contexte le véritable défi d’ingénierie. L’ingénierie du contexte est la discipline qui consiste à déterminer ce qu’un agent doit savoir, à récupérer cette information auprès des bonnes sources et à la présenter au moment opportun. Un agent ne peut raisonner que sur ce qu’il connaît.

Une entreprise mondiale de semi‑conducteurs comptant plus de 30 000 employés a tiré cette leçon directement. Plus d’un millier de ses contrats étaient éparpillés sur SharePoint, des disques partagés et des dossiers locaux sous forme de PDF non structurés, sans moyen de suivre les périodes de préavis ou les conditions de renouvellement avant que les échéances n’arrivent. Extraire et interpréter automatiquement ce contexte enfoui a réduit le temps de révision des contrats de , a permis d’économiser plus de 200 heures de travail manuel par an et a diminué le risque d’une obligation manquée. L’IA d’entreprise se développe non pas en automatisant davantage de tâches isolées, mais en rassemblant le contexte qui se situe entre elles.

L’automatisation reste bloquée sans coordination

L’automatisation peut disposer d’un contexte parfait et rester bloquée si cette connaissance ne peut pas circuler entre les systèmes, les équipes et les fuseaux horaires qu’un processus réel touche réellement, et cet écart n’est pas hypothétique. Une société mondiale de sciences de la vie traitant environ 50 000 plaintes par an dans quatre régions l’a constaté directement. Les plaintes arrivaient via des courriels, portails et documents déconnectés, et les cas similaires étaient traités différemment selon l’équipe qui les prenait en charge, exactement le type d’incohérence que les régulateurs signalent. Normaliser cela en un flux de travail coordonné a permis d’économiser plus de 4 200 heures par an et de réduire le temps de résolution de 70 %. Les entreprises qui négligent cette couche se retrouvent avec une automatisation qui raisonne bien mais qui reste bloquée aux mêmes points de transfert qui freinaient les anciens systèmes.

Le piège de la gouvernance

L’automatisation était autrefois gouvernée comme un logiciel, sous licence, provisionnée et suivie en termes de disponibilité. L’IA agentique rompt ce modèle, car dès qu’elle commence à prendre des décisions au lieu de les exécuter, la simple gouvernance de ce qu’elle peut accéder ne suffit plus. Un agent qui lit un CRM, écrit dans un ERP, déclenche un paiement et envoie un message à un client n’est pas un simple outil. C’est un acteur doté d’une portée. La question passe de la sécurité de l’intégration à ce que cet agent peut décider, sous quelle autorité, avec quelle traçabilité et qui répond lorsqu’il se trompe. La solution n’est pas de réduire l’autonomie. Il s’agit d’établir des limites claires, une autorité définie, une traçabilité complète des actions et un propriétaire nommé pour chaque résultat produit par l’agent.

Cette gouvernance doit inclure une supervision, non pas comme un frein, mais comme le mécanisme qui permet à la portée d’un agent de s’élargir en toute sécurité au fil du temps. Chaque correction révèle si l’agent disposait du bon contexte, alimentant une boucle qui lui confère progressivement davantage de responsabilités.

Elle doit également atteindre la couche de contexte, la partie que la plupart des équipes négligent. Exploiter des sources non structurées signifie hériter de ce qu’elles contiennent : données personnelles, informations privilégiées, versions contradictoires de la vérité. Un agent n’est fiable que dans la mesure où la provenance du contexte qu’il utilise est fiable. Considérez le contexte comme un actif gouverné, avec des règles de traçabilité, d’accès et de fraîcheur intégrées, et l’automatisation devient un système auditable plutôt qu’une responsabilité. Construisez cela avant l’expansion, pas après l’incident.

Première année, faite différemment

La plupart des organisations passeront cette année à rechercher des tâches à automatiser. Un nombre plus restreint consacrera ce temps à cartographier les moments où l’information, la responsabilité et les décisions changent réellement de mains et à préparer ce qui se passe à ces points de transition.

Dans deux ans, personne ne se souciera du nombre d’agents déployés par une entreprise. La vraie question sera de savoir qui a construit l’infrastructure sous-jacente, et qui continue d’ajouter des bots à des points de transition défaillants.